Lucene4.7 索引和检索的常用API(二)
下面笔者就对上图组件一一剖析下
首页要介绍的就索引期间的各个类
1,IndexWriter是索引过程中的核心类，主要负责创建索引或者打开已有索引，提供对索引的
添加，删除，修改等操作
2,IndexWriterConfig这个API在低版本的Lucene中是没有此配置类的，这个类也比较重要，使用此类则需要在其构造方法中传入2个参数，第一个参数是Lucene当前的版本号，第二个是索引是使用的分词器，除了这个我们最常用的功能，里面还提供了大量工具方法，例如，设置内存里缓冲大小，设置文档数据批量提交时大小，获取线程状态，设置创建模式，以及是否开启复合索引的等等一系列，可以对索引做一些基本的配置优化等信息。
3,Directory这个类代表了Lucene索引的存放位置，是一个抽象类，它有一系列子类可以用来处理索引，使用不同的子类对于系统的性能，影响会很大，但归其本质上，提升性能，无非就拿空间换时间或拿时间或空间2中情况，在具体使用时，我们可以使用其子类来获取索引所在的存储路径，然后将其传给IndexWriter类构造方法里。
4,Analyzer这个类也是所有分析器的基类，文本文件在索引前，需要经过分析器处理，处理成对应的语汇单元，统一格式，它能提取有效的信息，过滤掉一些禁用词，Lucene自带有几个分析器，但大部分都是对英文或欧洲语言处理的，如果想要使用中文的分词器，可以使用其自带的SmartCN分词器，也可以用开源的IK，messeg4j等等,选择什么样的分析器是索引过程中很重要的一步，这个关键还得看自己的业务需求定。
5,Document代表一个文档的意思，类似于数据库的一行记录，我们可以向文档中，添加自己想要的域字段，然后在把一个个文档索引起来，提供检索。
6，Field就是文档中存储的域，每一个域都有一个域名和域值，这就类似数据库的字段名跟值一样，我们可以使用Field来精确控制各个域的值，最常用的有2个Field，一个是不提供分词的StringField和另外一个分词的TextFiled，当然还有其他的一些Field，在这里就不多介绍了。
7，IndexReader这个类用来获取Directory的子类打开的索引文件流，然后在将进IndexSearcher的构造方法里，进行查询组件的初始化操作，这个类再低版本的的Lucene里也是不存在的，在后来新的版本里才添加的类。
8，IndexSearcher这个类是程序搜索期间的核心类，是连接索引的桥梁，它是以只读的方式打开索引，提供了大量检索，排序，过滤的等等以及其他的一些功能。
9，QueryParser或Query都可以完成一些检索功能，不同的是QueryParser提供的功能更为强大，方便自定义开发一些检索方案，而Query及其麾下的一系列子类是Lucene中自带的一些API，使用这些API，大部分情况下都可以完成一些基本的检索，如果需要定制化自己的检索方案则需要使用QueryParser，大多数情况下，我们最常使用的是Query下面的TermQuery子类，当然还有其他大量的特定功能的Query子类存在。
10，TopDocs这个类是一个简单的容器指针，它一般会记录前N个检索的结果，在TopDocs中，它只会存储这个文档的docid以及获取的得分情况，另外这前N个结果，默认的排序方式，是按照得分的大小排列的。
11，ScoreDoc类通常我们使用的是一个数组，它里面也只会包含这个文档的docid以及获取的得分情况，与TopDocs不同的是，我们可以使用这个类，来进行类似数据库的分页操作，当然你得保证你有足够的内存，如果是海量数据的分页，这个操作很容易造成内存溢出，这时候我们就需要考虑其他方法了。
12，Term类是搜索功能最基本的单元，与Field类似，检索的时候需要传入域名及检索的字符串，是一个小而不可或缺的精简类。
Please read full article from Lucene4.7 索引和检索的常用API(二)
前面几篇笔者已经把Lucene的最基本的入门，介绍完了，本篇就对Lucene基本的知识做一个总结，以便于加深对Lucene基本API组件的理解。
为了方便对比学习，下面给出表格数据
为了方便对比学习，下面给出表格数据
| 索引期间使用的API组件 | 检索期间使用的API组件 |
| IndexWriter | IndexReader |
| IndexWriterConfig | IndexSearcher |
| Directory | Directory |
| Analyzer | QueryParser或者Query子类 |
| Document | TopDocs |
| Field | ScoreDoc--Term |
下面笔者就对上图组件一一剖析下
首页要介绍的就索引期间的各个类
1,IndexWriter是索引过程中的核心类，主要负责创建索引或者打开已有索引，提供对索引的
添加，删除，修改等操作
2,IndexWriterConfig这个API在低版本的Lucene中是没有此配置类的，这个类也比较重要，使用此类则需要在其构造方法中传入2个参数，第一个参数是Lucene当前的版本号，第二个是索引是使用的分词器，除了这个我们最常用的功能，里面还提供了大量工具方法，例如，设置内存里缓冲大小，设置文档数据批量提交时大小，获取线程状态，设置创建模式，以及是否开启复合索引的等等一系列，可以对索引做一些基本的配置优化等信息。
3,Directory这个类代表了Lucene索引的存放位置，是一个抽象类，它有一系列子类可以用来处理索引，使用不同的子类对于系统的性能，影响会很大，但归其本质上，提升性能，无非就拿空间换时间或拿时间或空间2中情况，在具体使用时，我们可以使用其子类来获取索引所在的存储路径，然后将其传给IndexWriter类构造方法里。
4,Analyzer这个类也是所有分析器的基类，文本文件在索引前，需要经过分析器处理，处理成对应的语汇单元，统一格式，它能提取有效的信息，过滤掉一些禁用词，Lucene自带有几个分析器，但大部分都是对英文或欧洲语言处理的，如果想要使用中文的分词器，可以使用其自带的SmartCN分词器，也可以用开源的IK，messeg4j等等,选择什么样的分析器是索引过程中很重要的一步，这个关键还得看自己的业务需求定。
5,Document代表一个文档的意思，类似于数据库的一行记录，我们可以向文档中，添加自己想要的域字段，然后在把一个个文档索引起来，提供检索。
6，Field就是文档中存储的域，每一个域都有一个域名和域值，这就类似数据库的字段名跟值一样，我们可以使用Field来精确控制各个域的值，最常用的有2个Field，一个是不提供分词的StringField和另外一个分词的TextFiled，当然还有其他的一些Field，在这里就不多介绍了。
7，IndexReader这个类用来获取Directory的子类打开的索引文件流，然后在将进IndexSearcher的构造方法里，进行查询组件的初始化操作，这个类再低版本的的Lucene里也是不存在的，在后来新的版本里才添加的类。
8，IndexSearcher这个类是程序搜索期间的核心类，是连接索引的桥梁，它是以只读的方式打开索引，提供了大量检索，排序，过滤的等等以及其他的一些功能。
9，QueryParser或Query都可以完成一些检索功能，不同的是QueryParser提供的功能更为强大，方便自定义开发一些检索方案，而Query及其麾下的一系列子类是Lucene中自带的一些API，使用这些API，大部分情况下都可以完成一些基本的检索，如果需要定制化自己的检索方案则需要使用QueryParser，大多数情况下，我们最常使用的是Query下面的TermQuery子类，当然还有其他大量的特定功能的Query子类存在。
10，TopDocs这个类是一个简单的容器指针，它一般会记录前N个检索的结果，在TopDocs中，它只会存储这个文档的docid以及获取的得分情况，另外这前N个结果，默认的排序方式，是按照得分的大小排列的。
11，ScoreDoc类通常我们使用的是一个数组，它里面也只会包含这个文档的docid以及获取的得分情况，与TopDocs不同的是，我们可以使用这个类，来进行类似数据库的分页操作，当然你得保证你有足够的内存，如果是海量数据的分页，这个操作很容易造成内存溢出，这时候我们就需要考虑其他方法了。
12，Term类是搜索功能最基本的单元，与Field类似，检索的时候需要传入域名及检索的字符串，是一个小而不可或缺的精简类。
Please read full article from Lucene4.7 索引和检索的常用API(二)
No comments:
Post a Comment